CN113138148A - 一种基于红外图像的土壤入渗性能自动测量方法及装置 - Google Patents
一种基于红外图像的土壤入渗性能自动测量方法及装置 Download PDFInfo
- Publication number
- CN113138148A CN113138148A CN202110440216.XA CN202110440216A CN113138148A CN 113138148 A CN113138148 A CN 113138148A CN 202110440216 A CN202110440216 A CN 202110440216A CN 113138148 A CN113138148 A CN 113138148A
- Authority
- CN
- China
- Prior art keywords
- image
- area
- infrared
- visible light
- wetting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000002689 soil Substances 0.000 title claims abstract description 76
- 230000008595 infiltration Effects 0.000 title claims abstract description 59
- 238000001764 infiltration Methods 0.000 title claims abstract description 59
- 238000000691 measurement method Methods 0.000 title description 5
- 238000009736 wetting Methods 0.000 claims abstract description 94
- 238000012545 processing Methods 0.000 claims abstract description 58
- 238000005259 measurement Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 31
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 29
- 230000002572 peristaltic effect Effects 0.000 claims abstract description 24
- 238000012937 correction Methods 0.000 claims abstract description 9
- 230000007704 transition Effects 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 15
- 230000002194 synthesizing effect Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000003708 edge detection Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 9
- 239000002131 composite material Substances 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 239000006002 Pepper Substances 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000003331 infrared imaging Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000003621 irrigation water Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N15/082—Investigating permeability by forcing a fluid through a sample
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N13/00—Investigating surface or boundary effects, e.g. wetting power; Investigating diffusion effects; Analysing materials by determining surface, boundary, or diffusion effects
- G01N13/04—Investigating osmotic effects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Geometry (AREA)
- Dispersion Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明属于地表水文过程测量技术领域。具体涉及一种基于红外图像的土壤入渗性能自动测量方法及装置,所述装置包括蠕动泵、标靶、点源湿润区、相机和计算机图像处理系统;蠕动泵设置于供水管道的进水端,标靶置于点源湿润区附近并与点源湿润区处于同一平面,所述标靶用于图像变形校正及测量区间空间比例与变形修正;相机固定于点源湿润区的一侧,镜头拍摄中心正对点源湿润区,能够同时获取可见光图像及红外图像,且可见光图像及红外图像拍摄中心坐标相同;计算机图像处理系统通过数据线与相机电连接。本发明采用红外相机,以固定的时间间隔,获取点源入渗地表湿润区域图像,得出土壤入渗过程曲线,可以精准测量不同背景条件下的土壤入渗性能曲线。
Description
技术领域
本发明属于地表水文过程测量技术领域。本发明具体涉及一种基于红外图像的土壤入渗性能自动测量方法及装置。
背景技术
土壤入渗性能对降雨过程中的地表产流量及灌溉水渗入土壤的速度有直接影响。已有研究表明,恒定流量供水入渗情况下,土壤入渗性能的变化过程与湿润体在地表的湿润面积增大过程紧密相关。土壤入渗率随时间变化的关系可以从土壤地表湿润面积随时间的变化过程中计算得出。
目前,土壤入渗性能测量中,测量地表湿润面积的方法多采用可见光图像处理技术。该方法靠提取土壤入渗时可见光图像中的地表湿润区域的颜色特征。一般情况下,采用可见光图像识别技术可以较好地将地表湿润区域从背景中识别出。但当地表土壤颜色较深时,可见光识别技术会发生较严重的误判,地表湿润面积测量精度降低。
在野外条件下,当地表土壤湿润区域与非湿润区域颜色相近时,土壤湿润面积测量变得相对困难。土壤在室内条件下,可见光颜色等背景因素均可控制,土壤湿润面积的测量较之野外容易实现。
红外成像清晰快捷,具有工作可靠、功耗低、体积小、重量轻、安装方便、寿命长等优点,非常适宜在野外及恶劣的条件下工作,在医用和军用方面应用越来越广泛。目前,商用红外相机发展快速,完全可以满足表面土壤湿润面积测量的精度要求。
综上所述,目前已有地表土壤湿润面积测量方法中,土壤湿润区域的面积测量精度受背景条件影响较大,所需测量的土壤湿润区与非湿润区颜色差别较小时会出现较大的测量误差。现有的土壤入渗性能测量方法中,湿润面积测量对环境的要求较为苛刻,且测量精度差。
发明内容
针对目前土壤入渗性能测量,点、线源入渗过程中地表土壤湿润面积及入渗率测量的需求,以及目前地表土壤湿润面积测量方法存在的问题,本发明根据土壤湿润区与非湿润区的含水量不同所导致的温度差异,提出了一种基于红外图像的土壤入渗性能自动测量方法及装置,解决地表土壤湿润区与非湿润区的颜色差异较小时土壤湿润面积的精确测量,如黑土等深色土壤的湿润面积测量。利用所得土壤湿润面积与入渗时间的关系,计算土壤入渗性能曲线。
为了达到上述目的,本发明提供了如下技术方案:
一种基于红外图像的土壤入渗性能自动测量装置,所述装置包括蠕动泵1、标靶2、点源湿润区3、相机4和计算机图像处理系统5;其中,
蠕动泵1设置于供水管道的进水端,为自动测量恒流供水,并在蠕动泵1所接软管的出水口处形成点源湿润区3;标靶2置于点源湿润区3附近并与点源湿润区3处于同一平面,所述标靶2用于图像变形校正及测量区间空间比例与变形修正;相机4固定于点源湿润区3的一侧,镜头拍摄中心正对点源湿润区3,能够同时获取可见光图像及红外图像,且可见光图像及红外图像拍摄中心坐标相同;计算机图像处理系统5通过数据线与相机4电连接。
相机4的镜头高度为1m。
所述方法包括如下步骤:
1)将装置各个部分固定位置并供电;
相机4拍摄测量区标靶2的标靶图像,并将所述标靶图像传至计算机图像处理系统5;
调节蠕动泵1的恒定供水流量;
将相机4设置为同时获取可见光图像及红外图像,设置定时获取点源湿润区3的图像,设置相机4的定时间隔和工作时长;
蠕动泵1开始恒流供水;同时相机4开始定时拍照获取点源湿润区3的图像,同时获取点源湿润区3的可见光图像及红外图像,并将获取的可见光图像及红外图像传至计算机图像处理系统5;
2)定位:以标靶影像图为参考,计算机图像处理系统5计算红外图像和可见光图像各像素点的空间位置,得出标靶实际面积与所占像素点数比例,以对后期步骤6)所得湿润区面积进行面积矫正;
3)图像预处理:对红外图像和可见光图像分别进行灰度化处理获取灰度图像;对灰度图分别先后进行中值滤波和高斯平滑滤波,两次去噪处理;中值滤波能够减少图像的椒盐噪声,高斯平滑滤波能够减少高斯噪声;
对去噪后的图像进行图像分割处理,获取最优阈值,并得到二值图像;将得到的可见光二值图像和红外二值图像根据图像中心坐标对齐,重叠合成为一幅第一合成二值图像,获得湿润峰过渡带C;
4)湿润峰过渡带C的处理:对预处理后的红外二值图像中被判别为湿润区域的各像素点温度计算均值;对湿润峰过渡带C内各像素点温度与均值进行遍历比较,高于均值的像素点计入步骤3)中得到的将可见光图像和红外二值图像根据图像中心坐标对齐重叠合成的第一合成二值图像的非湿润区E,否则计入公共湿润区D;以此获得更加精确的湿润区第二合成二值图像;
5)边缘检测:使用边缘检测算法处理步骤4)获得的第二合成二值图像,获取边缘;使用最大连通域算法提取湿润区边界,并标记该边界;
6)面积获取:使用轮廓面积计算函数获取边界内的湿润区面积,按照步骤2定位得到的标靶实际面积与所占像素点数比例对湿润区面积进行修正,得到湿润区真实面积;
7)曲线绘制与入渗性能计算:以时间tn为横坐标,面积A为纵坐标,绘制实时湿润面积与时间关系曲线图;
通过公式1计算土壤入渗性能,其中in为tn时刻对应的土壤入渗率,单位mm/h;qn为tn时刻蠕动泵供水流速,单位为mm3/h;ΔAn为时段(tn-tn-1)内地表增加的湿润面积,单位为mm2;
步骤1)中,蠕动泵1的恒定供水流量为2L/h。
步骤1)中,定时间隔设置为3分钟,工作时长为30分钟。
步骤3)中,对红外图像和可见光图像分别使用opencv的cvtColour()函数进行灰度化处理获取灰度图像;对灰度图首先使用opencv的medianBlur()函数进行中值滤波处理作为第一次去噪处理,再对一次去噪得到的图像使用opencv的GaussionBlur()函数进行高斯平滑处理作为第二次去噪处理;对去噪后的图像使用Otsu阈值分割算法进行自适应阈值分割,获取最优阈值以及按阈值分割得到的二值图像,其中每幅二值图像按阈值分割为湿润区域和非湿润区域;将得到的可见光图像和红外二值图像根据图像中心坐标对齐,重叠合成为一幅第一合成二值图像,使用opencv的drawContours()函数标记两图像被判定为湿润区域的未重合部分为湿润峰过渡带C。
步骤4)中,对步骤3)中得到的将可见光图像和红外二值图像根据图像中心坐标对齐重叠合成的第一合成二值图像中被判别为湿润区域的各像素点温度使用numpy中的mean()函数计算均值;对湿润峰过渡带C内各像素点温度与均值使用for循环进行遍历比较,高于均值的像素点计入第一合成二值图像的非湿润区E,否则计入公共湿润区D;得到更加精确的湿润区的第二合成二值图像。
步骤5)中,使用canny边缘检测算法处理步骤4)获得的第二合成二值图像,获取边缘;使用最大连通域算法提取湿润区边界,并标记该边界。
步骤6)中,使用opencv的轮廓面积计算函数contourArea()获取边界内的湿润区面积,按照步骤2)定位得到的标靶实际面积与所占像素点数比例对湿润区面积进行修正,得到湿润区真实面积。
步骤7)中,计算机图像处理系统5根据定时获取的面积数据,以时间tn为横坐标,面积A为纵坐标,通过Matplotlib绘制实时湿润面积与时间关系曲线图;由公式1计算土壤入渗性能,通过Matplotlib绘制土壤入渗率与时间关系曲线。
与现有技术相比,本发明的有益效果在于:
本发明采用红外相机,以固定的时间间隔,获取点源入渗地表湿润区域图像;通过图像处理,校正失真图像,计算湿润区影像面积;获得点源入流地表土壤湿润面积与时间关系,得出土壤入渗过程曲线,可以精准测量不同背景条件下的土壤入渗性能曲线。
本发明通过入渗水与土壤的温度差异比较,可以精确测量土壤入渗过程的湿润面积并获取入渗过程曲线,尤其是背景条件或土质因素等导致土壤湿润区与非湿润区颜色差异较小时也能获取高精度数据;可用于室内和野外测量。
本发明从恒流供水到湿润面积图像采集,再到入渗过程曲线计算均自动完成。
本发明的装置同时具有测量快捷、工作可靠、方便实用的特点。
附图说明
图1为红外土壤入渗性能自动测量装置的示意图;
图2为单一图像处理湿润边界放大示例(每个方格为一个像素点);
图3为红外与可见光同时处理获取边界的示意图;
图4为土壤湿润面积与时间关系曲线图;
图5为土壤入渗率与时间关系曲线图。
其中的附图标记为:
1、蠕动泵 2、标靶
3、点源湿润区 4、相机
5、计算机图像处理系统
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。
图1为基于红外图像的土壤入渗性能自动测量装置的示意图。所述装置包括蠕动泵1、标靶2、点源湿润区3、相机4和计算机图像处理系统5。其中,蠕动泵1设置于供水管道的进水端,为自动测量恒流供水,并在蠕动泵1所接软管的出水口处形成点源湿润区3。标靶2置于点源湿润区3附近并与点源湿润区3处于同一平面,所述标靶2用于图像变形校正及测量区间空间比例与变形修正。相机4固定于点源湿润区3的一侧,相机4的镜头高度为1m,镜头拍摄中心正对点源湿润区3,能够同时获取可见光图像及红外图像,且可见光图像及红外图像拍摄中心坐标相同。计算机图像处理系统5通过数据线与相机4电连接。
红外成像表征目标表面的温度分布,对温度灵敏度极高,根据物体温度差异进行色彩显示,温度相近时成像颜色相近,否则成像颜色差异较大。
一般条件下,可见光图像分辨率更高,成像更为清晰,湿润区与非湿润区颜色差异大时对可见光图像处理即可获取精度较高的地面土壤湿润区面积。
理论上,土壤湿润边界是由各个单点连接而成的一条光滑曲线轮廓。图2为单一图像处理湿润边界放大示例(每个方格为一个像素点)。如图2所示,当只采用可见光图像或红外图像单一技术展开图像处理,获取湿润区边界时,理论边界周围会有多个边界像素点的聚集,甚至出现尖点;所得湿润区边界不符合点源入渗时土壤湿润边界曲线的规律;并且所得边界线存在一定程度的误差,会造成较大的面积测量误差。
图2中,曲线a为理论湿润边界,阴影区域b为二值化处理后的湿润像素点。为减小湿润面积测量误差,在一般测量工况下,采用红外图像辅助增强的方法,可显著提高地表湿润面积的测量精度。
图3为红外与可见光同时处理获取边界的示意图。如图3所示,A为可见光图像处理所得湿润区边界;B为红外图像处理所得湿润区边界;C为湿润峰过渡带;D为可见光与红外图像处理所得公共湿润区;E为非湿润区。其中,湿润峰过渡带C的宽度跟土壤颜色有关,对于上述的深色土壤,该过渡带的宽度变化较大,这是造成可见光测量地表湿润面积测量误差的主要因素。
本发明对可见光图像和红外图像进行图像处理,获取各自的二值化图像。对湿润峰过渡带C进行各像素点温度信息的对比,筛选出符合湿润区的部分,并划分到二值化图像的湿润区域中去。
一种利用基于红外图像的土壤入渗性能自动测量装置进行土壤入渗性能自动测量的方法,包括如下步骤:
1、将装置各个部分固定位置并供电;
相机4拍摄测量区标靶2的标靶图像,并将所述标靶图像传至计算机图像处理系统5。
调节蠕动泵1的恒定供水流量。优选地,蠕动泵1的恒定供水流量为2L/h。
将相机4设置为同时获取可见光图像及红外图像,设置定时获取点源湿润区3的图像,设置相机4的定时间隔和工作时长。优选地,定时间隔设置为3分钟,工作时长为30分钟。
蠕动泵1开始恒流供水;同时相机4开始定时拍照获取点源湿润区3的图像,同时获取点源湿润区3的可见光图像及红外图像,并将获取的可见光图像及红外图像传至计算机图像处理系统5。
2、定位:以标靶影像图为参考,计算机图像处理系统5计算红外图像和可见光图像各像素点的空间位置,得出标靶实际面积与所占像素点数比例,以对后期步骤6所得湿润区面积进行面积矫正。
3、图像预处理:对红外图像和可见光图像分别进行灰度化处理获取灰度图像;对灰度图分别先后进行中值滤波和高斯平滑滤波,两次去噪处理。中值滤波能够减少图像的椒盐噪声,高斯平滑滤波能够减少高斯噪声。
对去噪后的图像进行图像分割处理,获取最优阈值,并得到二值图像。将得到的可见光二值图像和红外二值图像根据图像中心坐标对齐,重叠合成为一幅第一合成二值图像,获得湿润峰过渡带C。
具体地,对红外图像和可见光图像分别使用opencv的cvtColour()函数进行灰度化处理获取灰度图像;对灰度图首先使用opencv的medianBlur()函数进行中值滤波处理作为第一次去噪处理,再对一次去噪得到的图像使用opencv的GaussionBlur()函数进行高斯平滑处理作为第二次去噪处理;对去噪后的图像使用Otsu阈值分割算法进行自适应阈值分割,获取最优阈值以及按阈值分割得到的二值图像,其中每幅二值图像按阈值分割为湿润区域和非湿润区域。将得到的可见光图像和红外二值图像根据图像中心坐标对齐,重叠合成为一幅第一合成二值图像,使用opencv的drawContours()函数标记两图像被判定为湿润区域的未重合部分为湿润峰过渡带C。
4、湿润峰过渡带C的处理:对预处理后的红外二值图像中被判别为湿润区域的各像素点温度计算均值;对湿润峰过渡带C内各像素点温度与均值进行遍历比较,高于均值的像素点计入步骤3中得到的将可见光图像和红外二值图像根据图像中心坐标对齐重叠合成的第一合成二值图像的非湿润区E,否则计入公共湿润区D。以此获得更加精确的湿润区第二合成二值图像。
具体地,对步骤3中得到的将可见光图像和红外二值图像根据图像中心坐标对齐重叠合成的第一合成二值图像中被判别为湿润区域的各像素点温度使用numpy中的mean()函数计算均值;对湿润峰过渡带C内各像素点温度与均值使用for循环进行遍历比较,高于均值的像素点计入第一合成二值图像的非湿润区E,否则计入公共湿润区D。得到更加精确的湿润区的第二合成二值图像。
5、边缘检测:使用边缘检测算法处理步骤4获得的第二合成二值图像,获取边缘;使用最大连通域算法提取湿润区边界,并标记该边界。
具体地,使用canny边缘检测算法处理步骤4获得的第二合成二值图像,获取边缘;使用最大连通域算法提取湿润区边界,并标记该边界。
6、面积获取:使用轮廓面积计算函数获取边界内的湿润区面积,按照步骤2定位得到的标靶实际面积与所占像素点数比例对湿润区面积进行修正,得到湿润区真实面积。
具体地,使用opencv的轮廓面积计算函数contourArea()获取边界内的湿润区面积,按照步骤2定位得到的标靶实际面积与所占像素点数比例对湿润区面积进行修正,得到湿润区真实面积。
7、曲线绘制与入渗性能计算:以时间tn为横坐标,面积A为纵坐标,绘制实时湿润面积与时间关系曲线图。
通过公式1计算土壤入渗性能,其中in为tn时刻对应的土壤入渗率,单位mm/h;qn为tn时刻蠕动泵供水流速,单位为mm3/h;ΔAn为时段(tn-tn-1)内地表增加的湿润面积,单位为mm2。
具体地,计算机图像处理系统5根据定时获取的面积数据,以时间tn为横坐标,面积A为纵坐标,通过Matplotlib绘制实时湿润面积与时间关系曲线图,如图4所示。
由公式1计算土壤入渗性能,通过Matplotlib绘制土壤入渗率与时间关系曲线,如图5所示。
Claims (10)
1.一种基于红外图像的土壤入渗性能自动测量装置,其特征在于:所述装置包括蠕动泵(1)、标靶(2)、点源湿润区(3)、相机(4)和计算机图像处理系统(5);其中,
蠕动泵(1)设置于供水管道的进水端,为自动测量恒流供水,并在蠕动泵(1)所接软管的出水口处形成点源湿润区(3);标靶(2)置于点源湿润区(3)附近并与点源湿润区(3)处于同一平面,所述标靶(2)用于图像变形校正及测量区间空间比例与变形修正;相机(4)固定于点源湿润区(3)的一侧,镜头拍摄中心正对点源湿润区(3),能够同时获取可见光图像及红外图像,且可见光图像及红外图像拍摄中心坐标相同;计算机图像处理系统(5)通过数据线与相机(4)电连接。
2.如权利要求1所述的基于红外图像的土壤入渗性能自动测量装置,其特征在于:相机(4)的镜头高度为1m。
3.一种利用权利要求1和2所述的基于红外图像的土壤入渗性能自动测量装置进行土壤入渗性能自动测量的方法,其特征在于:所述方法包括如下步骤:
1)将装置各个部分固定位置并供电;
相机(4)拍摄测量区标靶(2)的标靶图像,并将所述标靶图像传至计算机图像处理系统(5);
调节蠕动泵(1)的恒定供水流量;
将相机(4)设置为同时获取可见光图像及红外图像,设置定时获取点源湿润区(3)的图像,设置相机(4)的定时间隔和工作时长;
蠕动泵(1)开始恒流供水;同时相机(4)开始定时拍照获取点源湿润区(3)的图像,同时获取点源湿润区(3)的可见光图像及红外图像,并将获取的可见光图像及红外图像传至计算机图像处理系统(5);
2)定位:以标靶影像图为参考,计算机图像处理系统(5)计算红外图像和可见光图像各像素点的空间位置,得出标靶实际面积与所占像素点数比例,以对后期步骤6)所得湿润区面积进行面积矫正;
3)图像预处理:对红外图像和可见光图像分别进行灰度化处理获取灰度图像;对灰度图分别先后进行中值滤波和高斯平滑滤波,两次去噪处理;中值滤波能够减少图像的椒盐噪声,高斯平滑滤波能够减少高斯噪声;
对去噪后的图像进行图像分割处理,获取最优阈值,并得到二值图像;将得到的可见光二值图像和红外二值图像根据图像中心坐标对齐,重叠合成为一幅第一合成二值图像,获得湿润峰过渡带(C);
4)湿润峰过渡带(C)的处理:对预处理后的红外二值图像中被判别为湿润区域的各像素点温度计算均值;对湿润峰过渡带(C)内各像素点温度与均值进行遍历比较,高于均值的像素点计入步骤(3)中得到的将可见光图像和红外二值图像根据图像中心坐标对齐重叠合成的第一合成二值图像的非湿润区(E),否则计入公共湿润区(D);以此获得更加精确的湿润区第二合成二值图像;
5)边缘检测:使用边缘检测算法处理步骤4)获得的第二合成二值图像,获取边缘;使用最大连通域算法提取湿润区边界,并标记该边界;
6)面积获取:使用轮廓面积计算函数获取边界内的湿润区面积,按照步骤2)定位得到的标靶实际面积与所占像素点数比例对湿润区面积进行修正,得到湿润区真实面积;
7)曲线绘制与入渗性能计算:以时间tn为横坐标,面积A为纵坐标,绘制实时湿润面积与时间关系曲线图;
通过公式1计算土壤入渗性能,其中in为tn时刻对应的土壤入渗率,单位mm/h;qn为tn时刻蠕动泵供水流速,单位为mm3/h;ΔAn为时段(tn-tn-1)内地表增加的湿润面积,单位为mm2。
4.如权利要求3所述的土壤入渗性能自动测量的方法,其特征在于:步骤1)中,蠕动泵(1)的恒定供水流量为2L/h。
5.如权利要求3所述的土壤入渗性能自动测量的方法,其特征在于:步骤1)中,定时间隔设置为3分钟,工作时长为30分钟。
6.如权利要求3所述的土壤入渗性能自动测量的方法,其特征在于:步骤3)中,对红外图像和可见光图像分别使用opencv的cvtColour()函数进行灰度化处理获取灰度图像;对灰度图首先使用opencv的medianBlur()函数进行中值滤波处理作为第一次去噪处理,再对一次去噪得到的图像使用opencv的GaussionBlur()函数进行高斯平滑处理作为第二次去噪处理;对去噪后的图像使用Otsu阈值分割算法进行自适应阈值分割,获取最优阈值以及按阈值分割得到的二值图像,其中每幅二值图像按阈值分割为湿润区域和非湿润区域;将得到的可见光图像和红外二值图像根据图像中心坐标对齐,重叠合成为一幅第一合成二值图像,使用opencv的drawContours()函数标记两图像被判定为湿润区域的未重合部分为湿润峰过渡带(C)。
7.如权利要求3所述的土壤入渗性能自动测量的方法,其特征在于:步骤4)中,对步骤3)中得到的将可见光图像和红外二值图像根据图像中心坐标对齐重叠合成的第一合成二值图像中被判别为湿润区域的各像素点温度使用numpy中的mean()函数计算均值;对湿润峰过渡带(C)内各像素点温度与均值使用for循环进行遍历比较,高于均值的像素点计入第一合成二值图像的非湿润区(E),否则计入公共湿润区(D);得到更加精确的湿润区的第二合成二值图像。
8.如权利要求3所述的土壤入渗性能自动测量的方法,其特征在于:步骤5)中,使用canny边缘检测算法处理步骤4)获得的第二合成二值图像,获取边缘;使用最大连通域算法提取湿润区边界,并标记该边界。
9.如权利要求3所述的土壤入渗性能自动测量的方法,其特征在于:步骤6)中,使用opencv的轮廓面积计算函数contourArea()获取边界内的湿润区面积,按照步骤2)定位得到的标靶实际面积与所占像素点数比例对湿润区面积进行修正,得到湿润区真实面积。
10.如权利要求3所述的土壤入渗性能自动测量的方法,其特征在于:步骤7)中,计算机图像处理系统(5)根据定时获取的面积数据,以时间tn为横坐标,面积A为纵坐标,通过Matplotlib绘制实时湿润面积与时间关系曲线图;由公式1计算土壤入渗性能,通过Matplotlib绘制土壤入渗率与时间关系曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110440216.XA CN113138148B (zh) | 2021-04-21 | 2021-04-21 | 一种基于红外图像的土壤入渗性能自动测量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110440216.XA CN113138148B (zh) | 2021-04-21 | 2021-04-21 | 一种基于红外图像的土壤入渗性能自动测量方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113138148A true CN113138148A (zh) | 2021-07-20 |
CN113138148B CN113138148B (zh) | 2022-04-08 |
Family
ID=76813724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110440216.XA Active CN113138148B (zh) | 2021-04-21 | 2021-04-21 | 一种基于红外图像的土壤入渗性能自动测量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113138148B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114136857A (zh) * | 2021-11-11 | 2022-03-04 | 北京林业大学 | 土壤饱和导水率测量系统、方法、电子设备及存储介质 |
CN114609017A (zh) * | 2022-05-11 | 2022-06-10 | 西南交通大学 | 一种开级配水稳碎石透水基层开孔孔隙分布特征测量装置 |
CN115616196A (zh) * | 2022-12-19 | 2023-01-17 | 中国农业科学院农业环境与可持续发展研究所 | 一种生物炭-土壤保水量检测装置及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101806700A (zh) * | 2010-04-06 | 2010-08-18 | 中国农业大学 | 土壤入渗性能的测量方法及测量系统 |
JP2017169450A (ja) * | 2016-03-18 | 2017-09-28 | 東京電力ホールディングス株式会社 | 植物領域判断システムおよび植物領域判断方法 |
CN108645993A (zh) * | 2018-04-08 | 2018-10-12 | 中国矿业大学(北京) | 岩土介质中水分湿润锋的识别方法及其验证系统 |
CN110529186A (zh) * | 2019-09-11 | 2019-12-03 | 上海同岩土木工程科技股份有限公司 | 基于红外热成像的隧道结构渗漏水精确识别装置和方法 |
CN111667520A (zh) * | 2020-06-09 | 2020-09-15 | 中国人民解放军63811部队 | 红外图像和可见光图像的配准方法、装置及可读存储介质 |
-
2021
- 2021-04-21 CN CN202110440216.XA patent/CN113138148B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101806700A (zh) * | 2010-04-06 | 2010-08-18 | 中国农业大学 | 土壤入渗性能的测量方法及测量系统 |
JP2017169450A (ja) * | 2016-03-18 | 2017-09-28 | 東京電力ホールディングス株式会社 | 植物領域判断システムおよび植物領域判断方法 |
CN108645993A (zh) * | 2018-04-08 | 2018-10-12 | 中国矿业大学(北京) | 岩土介质中水分湿润锋的识别方法及其验证系统 |
CN110529186A (zh) * | 2019-09-11 | 2019-12-03 | 上海同岩土木工程科技股份有限公司 | 基于红外热成像的隧道结构渗漏水精确识别装置和方法 |
CN111667520A (zh) * | 2020-06-09 | 2020-09-15 | 中国人民解放军63811部队 | 红外图像和可见光图像的配准方法、装置及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
管瑶 等: "《土壤点源入渗自动测量系统监测滴头下土壤湿润过程》", 《农业工程学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114136857A (zh) * | 2021-11-11 | 2022-03-04 | 北京林业大学 | 土壤饱和导水率测量系统、方法、电子设备及存储介质 |
CN114609017A (zh) * | 2022-05-11 | 2022-06-10 | 西南交通大学 | 一种开级配水稳碎石透水基层开孔孔隙分布特征测量装置 |
CN115616196A (zh) * | 2022-12-19 | 2023-01-17 | 中国农业科学院农业环境与可持续发展研究所 | 一种生物炭-土壤保水量检测装置及方法 |
CN115616196B (zh) * | 2022-12-19 | 2023-03-10 | 中国农业科学院农业环境与可持续发展研究所 | 一种生物炭-土壤保水量检测装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113138148B (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113138148B (zh) | 一种基于红外图像的土壤入渗性能自动测量方法及装置 | |
CN102297660B (zh) | 一种盾构隧道衬砌管片接缝张开宽度的测量方法及装置 | |
CN109325935B (zh) | 一种基于无人机图像的输电线路检测方法 | |
CN109489566B (zh) | 锂电池隔膜材料分切宽度检测方法、检测系统及装置 | |
CN101853333A (zh) | 医疗机器人导航定位图像中的标记拾取方法 | |
CN108921819B (zh) | 一种基于机器视觉的验布装置及方法 | |
CN110298840B (zh) | 一种基于图像的纱线缺陷检测方法 | |
CN116758077B (zh) | 一种冲浪板表面平整度在线检测方法及系统 | |
CN108470338B (zh) | 一种水位监测方法 | |
CN111709968B (zh) | 一种基于图像处理的低空目标探测跟踪方法 | |
CN108510544B (zh) | 一种基于特征聚类的光条定位方法 | |
CN115096206A (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
CN114693659B (zh) | 基于图像处理的铜管表面清洗效果评估方法及系统 | |
CN110455201B (zh) | 基于机器视觉的茎秆作物高度测量方法 | |
CN110379002A (zh) | 一种基于红外与可见光图像融合的三维重建表面温度显示方法 | |
CN112161581B (zh) | 一种考虑管片端面偏角的机器视觉盾尾间隙动态测量方法 | |
CN116485801B (zh) | 基于计算机视觉的胶管质量在线检测方法及系统 | |
CN110171263B (zh) | 一种用于ecas系统的弯道识别及车高调节方法 | |
CN113607058B (zh) | 一种基于机器视觉的直刃刀尺寸检测方法及系统 | |
CN111243006A (zh) | 一种基于图像处理的液滴接触角及尺寸的测量方法 | |
CN114494402A (zh) | 一种基于红外图像的点源入渗地表湿润面积自动测量方法 | |
CN115984360A (zh) | 一种基于图像处理的计算干滩长度的方法及系统 | |
CN115471537A (zh) | 一种基于单目摄像头的移动目标距离与高度的测量方法 | |
CN111539967B (zh) | 一种焦平面太赫兹成像中干涉条纹区域识别与处理方法及系统 | |
CN114283126A (zh) | 一种输电线路监控设备偏移检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |